Cuando usamos la palabra modelos predictivos en un entorno de análisis, nos estamos refiriendo a una representación de la realidad basada en un intento descriptivo de relacionar un conjunto de variables con otro. El análisis predictivo reúne gestión, tecnologías de la información y modelado, orientándose al trabajo con grandes volúmenes de datos y con el objetivo de contribuir al éxito en los negocios.

Créditos fotográficos: istock castillodominici 

La confusión de términos más o menos cercanos, más o menos tangenciales al Predictive Analytics (o análisis predictivo) es relativamente frecuente, sobre todo en contextos poco especializados y usos cotidianos.

Se conoce como inteligencia artificial, o inteligencia artificial predictiva, una de sus ramas, a la ciencia y la ingeniería encargadas de estudiar y crear programas o máquinas de computación inteligentes. Los algoritmos de inteligencia artificial abarcan diferentes ramas de la informática y las matemáticas incluyendo el reconocimiento de patrones, modelos predictivos, minería de datos, programación genética, inferencia, ontología y el análisis de datos.

La definición más común de esta diferencia, análisis predictivo vs análisis prescriptivo, es que el primero de ambos describe lo que sucederá mientras que el segundo, la analítica prescriptiva, se centra en informar acerca de lo que debería suceder buscando mejorar el resultado esperado. Pero ¿no es eso mismo lo que se ha estado haciendo hasta ahora? ¿No coincide el prescriptive analytics con el predictive en la práctica?

Predictive analytics es una necesidad hoy día para las empresas que quieren mantener su posición de mercado, lograr satisfacer a sus clientes de forma efectiva y apostar por la innovación. La selección de software y herramientas de análisis de sentimiento, social media analytics o analítica avanzada suele concentrar la mayor parte de los esfuerzos de las organizaciones pero, a pesar de ello, un elevado porcentaje de empresas no alcanza resultados satisfactorios tras la implementación ¿cuál es el motivo?

Créditos fotográficos: istock styf22

Gartner pronosticaba que para el año 2014, el 30% de las aplicaciones analíticas utilizaría capacidades proactivas, predictivas y de pronóstico. Promesas cumplidas que instan a, en este 2015, dar un paso más e innovar. Cuando se busca la innovación en predictive analytics, intentando extraer aún más valor de su aplicación, se debe tener en cuenta que existen dos patrones distintos que pueden aplicarse a este proceso:

• La innovación disruptiva: entendida como una búsqueda predictiva ligada a una propuesta de valor muy diferente, capaz de descubrir oportunidades en forma de nuevos mercados.

El papel de la minería de datos en relación con la analítica predictiva no es sólo una cuestión de calidad, sino que también la cantidad es un factor decisivo para la existencia de esta relación. El volumen de datos disponible no asegura la calidad de las predicciones. Aunque la capacidad para almacenar datos es un punto a favor en lo concerniente a la optimización de resultados en predictive analytics, la relación entre ambos no es proporcional, debido a dos motivos:

• Los datos en bruto no proporcionan mucha información en sí mismos, hay que saber trabajarlos.

¿Para qué puede servir el constatar que se ha perdido un cliente después de que ya se ha ido? Interpretar las señales puede prevenir el desenlace de consecuencias poco deseables, como el fraude o la pérdida de clientes, dos de los objetivos estratégicos de la analítica predictiva. Predictive Analytics supone el descubrimiento y la comunicación de patrones significativos hallados en los datos en base al trabajo orientado a la consecución de metas previamente planteadas.

El ROI del análisis predictivo puede incrementarse si los objetivos estratégicos de negocio están bien definidos. En estas condiciones:

Al plantearse las razones por las que decantarse por el análisis predictivo, lo primero que hay que tener en cuenta son los motivos por los que vale la pena descartar otras modalidades analíticas menos avanzadas. El análisis predictivo y el prescriptivo van un paso por delante de su predecesor, el análisis descriptivo, una técnica que, pese a aportar una interesante perspectiva del negocio contaba con muchas limitaciones.

Algunas de estas barreras pueden constatarse al tratar de responder cuestiones acerca de:

Lantares tiene a sus espaldas un sobresaliente recorrido de más de una década en el ámbito de la consultoría, que les posiciona como líderes en la implantación de soluciones estratégicas de gestión. Sus servicios incluyen, desde la definición del proyecto hasta el diseño de la arquitectura necesaria en cada caso. Su equipo multidisciplinar de expertos se ponen a disposición del cliente, aportando el conocimiento y la experiencia acumulados en proyectos de diversa índole, desde predictive analytics, hasta cuadros de mando integrales, pasando por data warehousing y reporting.

Algunas de las competencias de Lantares Solutions mejor valoradas por sus clientes comprenden las orientadas a:

• Gestión de la información: proporcionando los medios necesarios para extraer todo el valor de este activo empresarial.

• Calidad de datos: que sienta las bases para dotar de consistenca a la toma de decisiones.

• Mobile Analytics: adaptándose a las estrategias de movilidad que responden de forma táctica a las exigencias el dinamismo de los mercados actuales.

• Big Data Analytics: que aporta una visión 360º de la realidad del negocio.

• Planificación: eficaz y optimizada, en base a la ejecución de pronósticos y previsiones precisos.

• Presupuestación: minimizando el riesgo en la toma de acciones.

• Forecasting: una herramienta sin la que la organización avanzaría a ciegas.